1.简述传统优化算法与遗传算法的特点及其优缺点。传统优化算法的特点:A.传统优化算法一般是确定性算法,有固定的结构和参数,计算复杂度和收敛性可做理论分析。B.传统优化算法大多属于凸优化范畴,有唯一明确的全局最优解。C.传统优化算法一般是针对结构化的问题,有较为明确的问题和条件描述,如线性规划、二次规划、整数规划、混合规划、带约束和不带约束等,即有清晰的结构信息。遗传算法的特点:A.遗传算法是对参数的编码进行操作,而不是对参数本身,因而适应于求解复杂的优化问题,应用范围很广。B.遗传算法属于种群搜索算法,易于并行处理,可以有效防止局部搜索过程收敛于局部最优解,而且有较大的可能求得全局最优解。C.遗传算法通过目标函数来计算适应度值,而不需要其他信息,从而对问题的依赖性较小。D.遗传算法使用概率的转变原则,而不是确定性的规则。E.遗传算法在解空间内不是盲目地穷举或完全随机搜索,而是一种启发性搜索,其搜索效率往往优于其它方法。F.遗传算法对于待寻优的函数基本无限制,因而应用范围很广。遗传算法的优点:A.与问题领域无关且具有快速随机的搜索能力。B.搜索从群体出发,具有潜在的并行性,可以进行多个个体的同时比较。C.搜索使用评价函数启发,过程简单D.使用概率机制进行迭代,具有随机性。E.具有可扩展性,容易与其他算法结合。遗传算法的缺点:A.收敛速度慢。B.局部搜索能力较差。C.控制变量较多。D.无确定的终止准则。2.简述遗传算法的基本原理,并给出基本遗传算法的求解步骤和流程图遗传算法的基本原理:遗传算法是模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象,在每次迭代中都保留一组候选解,并按某种指标〔适应度函数〕从解群中选择较优的个体,利用遗传算子〔选择、交叉和变异〕对这些个体进行重组,产生新一代的候选解群,重复此过程,直到满足某种收敛指标为止。基本遗传算法的求解步骤:A.初始化。设置进化代数计数器k=0,设置群体规模,最大进化代数M,交叉概率、变异概率。随机生成pop个个体作为初始种群。B.个体评价。计算群体p(k)中个体的适应度。C.终止条件判断。假设k>M,则以当前的种群中具有最大适应度的个体作为最优解输出,终止计算。否则,转步骤D。D.选择操作。将选择算子作用于群体。E.交叉操作。将交叉算子作用于群体F.变异操作。将变异算子作用于群体。G.群体p(k)经过选择、交叉和变异操作后得到下一代群体p(k+1),令k=k+1,转步骤B。3.简述遗传算法中,DeJong提出的两条具体的编码原则。A.有意义积木块编码原则。所采用的编码应易于生成与所求问题相关的低阶、短定义距以及平均适应度高于群体平均适应度的积木块。B.最小字符集编码原则。所采用的编码应采用最小字符集,以使问题得以自然的描述。DeJong基于模式定理和积木块假设提出了原则1。在很多情况下,染色体中的基因的地位并不平等,某些基因的突变将对适应度值带来很大变化,而另一种基因的变化对适应度值的影响较小。影响大的基于成为敏感基因。许多敏感基因家当的组合决定了GA的寻优方向。在实际编码时,按原则1,应将敏感基因排列在一起,形成所谓的密排基因快,这种密排基因快一旦形成,不易被破坏,容易被子代继承。DeJong提出的原则2实际上是一个被广泛采用和认可的原则。最早提出并使用至今的二值编码即符合这一原则。这不仅是因为二值编码是最简单的编码形式,更重要的是二值编码含有更多的模式,更容易找到染色体的相似结构。4.在遗传算法中,对实数变量采用二进制方式编码。假设一维实变量X的取值范围为[XL,XU],其编码精度为δ,写出二进制编码长度N应满足的数学关系式,以及相应的编码、译码数学关系式。由于参数X的取值范围为[XL,XU],编码精度为δ,所以将[XL,XU]分为〔XU-XL〕/δ份,则编码的长度N应满足:2??-1???-X??δ≤2??-1log2(????-X??δ+1)≤??